RT Journal Article
T1 Características del hogar y pobreza : una aplicación de las máquinas de soporte vectorial
T2 Household characteristics and poverty: an application of support vector machines
A1 Rahmer, Bruno de Jesús
A1 Garzón Saénz, Hernando
A1 Ortiz Piedrahita, Gustavo
A1 Solana Garzón, José
K1 Algoritmo de aprendizaje
K1 Hogares censales
K1 Máquinas de soporte vectorial
K1 Métodos de clasificación,
K1 Pobreza
K1 Learning  algorithm
K1 Household  data
K1 Support  vector  machines
K1 Classification methods
K1 Poverty
AB El uso de técnicas cuantitativas para la clasificación de segmentos poblacionales es una fase crítica para evaluar sus condiciones de materiales de existencia, información que sirve como input para los procesos de planificación de estrategias dirigidas a paliar la pobreza y la intervención discrecional de tales grupos, bajo los criterios de racionalidad económica e instrumental. En este artículo se construye un modelo de máquinas de soporte vectorial, entendido éste como un algoritmo de aprendizaje supervisado que proporciona un clasificador lineal no probabilístico con un superlativo nivel de precisión. De este modo, se segmenta una muestra de núcleos familiares residentes en Cartagena de Indias, en función de ciertas variables económicas y sociodemográficas. La obtención de los resultados analíticos refrenda el hecho de que los factores con mayor poder de discriminación entre los agentes económicos son el estatus laboral, la accesibilidad a servicios públicos y la renta percibida por los núcleos familiares. Por otra parte, se corrobora que las condiciones de vecindario y la recepción de transferencias monetarias corrientes tienen un poder clasificatorio reducido.
AB The use of quantitative techniques for the classification of population segments is a critical phase to evaluate their conditions. This information will serve as input for planning strategies to alleviate poverty. In this article, we present a model of vector support machines. Consequently, a sample of families residing in Cartagena de Indias is segmented, based on certain economic and sociodemographic variables. Analytical results confirm that most important factors are employment status, accessibility to public services and familiar income. In addition, it is corroborated that neighborhood conditions and monetary transfers have a low discriminatory power.
PB Universidad Pablo de Olavide
SN 1886-516X
YR 2023
FD 2023-06-01
LK http://hdl.handle.net/10433/15995
UL http://hdl.handle.net/10433/15995
LA es
NO Revista de métodos cuantitativos para la economía y la empresa, ISSN-e 1886-516X, Vol. 35, 2023, págs. 100-117
NO Universidad Pablo de Olavide
DS RIO
RD May 21, 2026